[發明專利]一種車牌識別方法和系統

有效

• 申請號: 201310381705.8
• 申請日: 2013-08-28
• 公開（公告）號: CN103413147A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 莊浩洋
• 申請（專利權）人: 莊浩洋
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/54
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 吳開磊

技術領域

本發明涉及圖像處理技術領域，具體而言，涉及一種車牌識別方法和系統。

背景技術

交通的智能化與管理自動化是未來的發展趨勢，特別是基于視頻圖像處理的智能交通管理將會快速發展。視頻圖像處理中，視頻識別技術以其方便性、精確性、快捷性得到了廣泛的認可，很多交通管理領域都開始使用視頻識別技術。其中，視頻識別中較為核心的一項應用就是車牌識別。

中國專利申請《一種車牌識別方法及其系統》（申請號201210535195.0）提供了一種車牌識別方法，該方法包括：在監控場安裝至少兩個攝像機，指定其中一個攝像機為主機，其他攝像機為從機，所述主機與各從機通過網絡連接，當監控到有車輛駛入所述監控場時，所述主機和各從機從不同角度拍攝所述車輛的車牌的圖像，并依據所述車牌的圖像獲取拍攝信息，各從機通過網絡將獲取的拍攝信息發送給所述主機，所述主機對自身獲取的拍攝信息和接收到的從機發送的拍攝信息進行仲裁，輸出仲裁結果。可見，該方法主要側重點在于對車牌圖像的準確獲取，而對于車牌圖像如何進行處理以實現識別則一筆帶過，而實際情況中，車輛除了具有單排車牌以外，還有一些車輛為雙排車牌，除此專利申請外，以前傳統的技術中大多都沒有考慮車牌具有雙排車牌和單排車牌對于車牌識別的影響，因此，以前傳統的技術中的車牌識別方法，存在不能對雙排車牌和單排車牌進行區分識別而導致識別準確率不高的技術缺陷。

發明內容

本發明的目的在于提供一種車牌識別方法和系統，以解決上述的問題。

在本發明的實施例中提供了一種車牌識別方法，包括步驟：

先進行單排車牌識別，如果識別到，則輸出第一車牌識別結果；

如果識別到車牌，且是黃顏色的車牌，則獲取包括車牌在內的圖片信息；

在所述圖片的整個區域中，查找黃顏色區域；

判斷是否找到矩形區域，否，則返回并輸出最開始的第一車牌識別結果，是，則獲取圖片的彩色特征信息與邊緣信息；

在所有矩形區域中，找到具有雙排車牌特征的矩形區域；

把所述具有雙排車牌特征的區域信息提取出來，提取包括車牌在內的區域，并進行車牌識別；

對雙排車牌，把識別結果前2字改為預設特殊符號，并用矩形區域位置作為雙排車牌的車牌位置；

輸出第二車牌識別結果。

其中，所述步驟進行單排車牌識別包括步驟：

對圖片進行邊緣檢測；

進行字符筆畫檢測；

對筆畫信息進行整理；

根據筆畫信息檢測字符；

根據以上信息檢測車牌；

確定車牌邊界；

對車牌圖片進行傾斜矯正；

檢測邊緣并二值化；

進行字符分割；

檢測每個字符，并進行字符識別；

對字符進行尺寸歸一化，用神經網絡算法進行分類識別，識別時調用經過訓練得到的神經網絡模型的數據；

得到并輸出第一車牌識別結果。

其中，還包括自動識別車牌顏色，對車牌顏色的識別步驟，具體包括：

根據車牌的顏色對的先驗知識，再對像素點的HSL顏色統計，計算車牌圖像中每個像素點的HSL顏色值，進行統計，計算出車牌整體顏色。

其中，所述步驟對字符尺寸進行歸一化之后還包括步驟：

從字符圖像中提取特征，對圖像中每個像素點，比較當前像素點的值與周圍各方向的像素點的值，如果當前像素點的值小于其周圍像素點的值，則將當前像素點的分數加上2的n次方，并將該分數保存至byte類型的數組中；

通過計算統計直方圖，得到最終用于分類識別的特征向量；

用經過訓練得到的神經網絡數據模型進行分類識別，把所述特征向量輸入到神經網絡中，從神經網絡運算得到輸出結果；選擇所有字符中得分最大的一個字符作為最終識別結果。

其中，所述神經網絡模型，用于記錄車牌字符識別規則，是用神經網絡算法進行訓練，用圖片樣本或特征數據作為訓練樣本，經過不斷的迭代運算，最終得到的數據模型；

所述步驟進行字符識別步驟，包括：

通過所述神經網絡模型再結合神經網絡算法，對每個字符進行分類識別，得到字符識別結果。

其中，所述步驟判斷是否找到矩形區域包括步驟：

先把彩色圖片轉為灰度圖片；

進行多次運算，第一次用邊緣檢測的方法獲取二值圖，再幾次用不同的閾值計算獲取二值圖；

在二值圖中尋找輪廓；

對每個輪廓，用指定精度擬合出多邊形，得到多邊形邊緣線序列；